奇异值分解(SVD)原理与在降维中的应用

Posted 2022-04-26 nickchen121

　　　　奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SVD的。

一、回顾特征值和特征向量

　　　　我们首先回顾下特征值和特征向量的定义如下：
\\[ Ax=\\lambda x \\]

　　　　其中A是一个\\(n \\times n\\)的实对称矩阵，\\(x\\)是一个\\(n\\)维向量，则我们说\\(\\lambda\\)是矩阵A的一个特征值，而\\(x\\)是矩阵A的特征值\\(\\lambda\\)所对应的特征向量。

　　　　求出特征值和特征向量有什么好处呢？ 就是我们可以将矩阵A特征分解。如果我们求出了矩阵A的\\(n\\)个特征值\\(\\lambda_1 \\leq \\lambda_2 \\leq ... \\leq \\lambda_n\\),以及这\\(n\\)个特征值所对应的特征向量\\(\\w_1,w_2,...w_n\\\\)，，如果这\\(n\\)个特征向量线性无关，那么矩阵A就可以用下式的特征分解表示：
\\[ A=W\\Sigma W^-1 \\]

　　　　其中W是这\\(n\\)个特征向量所张成的\\(n \\times n\\)维矩阵，而\\(\\Sigma\\)为这n个特征值为主对角线的\\(n \\times n\\)维矩阵。

　　　　一般我们会把W的这\\(n\\)个特征向量标准化，即满足\\(|w_i|_2 =1\\), 或者说\\(w_i^Tw_i =1\\)，此时W的\\(n\\)个特征向量为标准正交基，满足\\(W^TW=I\\)，即\\(W^T=W^-1\\), 也就是说W为酉矩阵。

　　　　这样我们的特征分解表达式可以写成
\\[ A=W\\Sigma W^T \\]

　　　　注意到要进行特征分解，矩阵A必须为方阵。那么如果A不是方阵，即行和列不相同时，我们还可以对矩阵进行分解吗？答案是可以，此时我们的SVD登场了。

二、?SVD的定义

　　　　SVD也是对矩阵进行分解，但是和特征分解不同，SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个\\(m \\times n\\)的矩阵，那么我们定义矩阵A的SVD为：
\\[ A = U\\Sigma V^T \\]

　　　　其中U是一个\\(m \\times m\\)的矩阵，\\(\\Sigma\\)是一个\\(m \\times n\\)的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值，V是一个\\(n \\times n\\)的矩阵。U和V都是酉矩阵，即满足\\(U^TU=I, V^TV=I\\)。下图可以很形象的看出上面SVD的定义：

　　　　那么我们如何求出SVD分解后的\\(U, \\Sigma, V\\)这三个矩阵呢？

　　　　如果我们将A的转置和A做矩阵乘法，那么会得到\\(n \\times n\\)的一个方阵\\(A^TA\\)。既然\\(A^TA\\)是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式：
\\[ (A^TA)v_i = \\lambda_i v_i \\]

　　　　这样我们就可以得到矩阵\\(A^TA\\)的n个特征值和对应的n个特征向量\\(v\\)了。将\\(A^TA\\)的所有特征向量张成一个\\(n \\times n\\)的矩阵V，就是我们SVD公式里面的V矩阵了。一般我们将V中的每个特征向量叫做A的右奇异向量。

　　　　如果我们将A和A的转置做矩阵乘法，那么会得到\\(m \\times m\\)的一个方阵\\(AA^T\\)。既然\\(AA^T\\)是方阵，那么我们就可以进行特征分解，得到的特征值和特征向量满足下式：
\\[ (AA^T)u_i = \\lambda_i u_i \\]

　　　　这样我们就可以得到矩阵\\(AA^T\\)的m个特征值和对应的m个特征向量\\(u\\)了。将\\(AA^T\\)的所有特征向量张成一个\\(m \\times m\\)的矩阵U，就是我们SVD公式里面的U矩阵了。一般我们将U中的每个特征向量叫做A的左奇异向量。

　　　　U和V我们都求出来了，现在就剩下奇异值矩阵\\(\\Sigma\\)没有求出了。由于\\(\\Sigma\\)除了对角线上是奇异值其他位置都是0，那我们只需要求出每个奇异值\\(\\sigma\\)就可以了。

　　　　我们注意到:
\\[ A=U\\Sigma V^T \\Rightarrow AV=U\\Sigma V^TV \\Rightarrow AV=U\\Sigma?\\Rightarrow ?Av_i = \\sigma_i u_i ?\\Rightarrow??\\sigma_i =??Av_i /?u_i? \\]

?　　　 这样我们可以求出我们的每个奇异值，进而求出奇异值矩阵\\(\\Sigma\\)。

　　　 上面还有一个问题没有讲，就是我们说\\(A^TA\\)的特征向量组成的就是我们SVD中的V矩阵，而\\(AA^T\\)的特征向量组成的就是我们SVD中的U矩阵，这有什么根据吗？这个其实很容易证明，我们以V矩阵的证明为例。
\\[ A=U\\Sigma V^T \\Rightarrow?A^T=V\\Sigma^T U^T?\\Rightarrow?A^TA =?V\\Sigma^T U^TU\\Sigma V^T = V\\Sigma^2V^T \\]

　　　　上式证明使用了:\\(U^TU=I, \\Sigma^T\\Sigma=\\Sigma^2。\\)可以看出\\(A^TA\\)的特征向量组成的的确就是我们SVD中的V矩阵。类似的方法可以得到\\(AA^T\\)的特征向量组成的就是我们SVD中的U矩阵。

　　　　进一步我们还可以看出我们的特征值矩阵等于奇异值矩阵的平方，也就是说特征值和奇异值满足如下关系：
\\[ \\sigma_i = \\sqrt\\lambda_i \\]

　　　　这样也就是说，我们可以不用$? \\sigma_i =??Av_i /?u_i\\(来计算奇异值，也可以通过求出\\)A^TA$的特征值取平方根来求奇异值。

三、SVD计算举例

　　　　这里我们用一个简单的例子来说明矩阵是如何进行奇异值分解的。我们的矩阵A定义为：

\\[ \\mathbfA = \\left( \\beginarrayccc 0& 1\\\\??1& 1\\\\ ? 1&?0 \\endarray \\right) \\]

　　　　我们首先求出\\(A^TA\\)和\\(AA^T\\)

\\[ \\mathbfA^TA = \\left( \\beginarrayccc 0& 1 &1\\1&1&?0 \\endarray \\right) \\left( \\beginarrayccc 0& 1\\\\??1& 1\\\\ ? 1&?0 \\endarray \\right) = \\left( \\beginarrayccc 2& 1 \\1&?2 \\endarray \\right) \\]

\\[ \\mathbfAA^T = ?\\left( \\beginarrayccc 0& 1\\\\??1& 1\\\\ ? 1&?0 \\endarray \\right) \\left( \\beginarrayccc 0& 1 &1\\1&1&?0 \\endarray \\right) = \\left( \\beginarrayccc 1& 1 & 0\\\\?1& 2 & 1\\0& 1&?1 \\endarray \\right) \\]

?　　　　进而求出\\(A^TA\\)的特征值和特征向量：
\\[ \\lambda_1= 3; v_1 = \\left( \\beginarrayccc 1/\\sqrt2 \\1/\\sqrt2?\\endarray \\right); \\lambda_2= 1; v_2 = \\left( \\beginarrayccc -1/\\sqrt2 \\1/\\sqrt2?\\endarray \\right) \\]

　　　　接着求\\(AA^T\\)的特征值和特征向量：

\\[ \\lambda_1= 3; u_1 = \\left( \\beginarrayccc 1/\\sqrt6 \\\\?2/\\sqrt6 \\1/\\sqrt6?\\endarray \\right); \\lambda_2= 1; u_2 = \\left( \\beginarrayccc 1/\\sqrt2 \\\\ 0 \\-1/\\sqrt2?\\endarray \\right); ?\\lambda_3= 0; u_3 = \\left( \\beginarrayccc 1/\\sqrt3 \\\\ -1/\\sqrt3?\\1/\\sqrt3?\\endarray \\right) \\]
　

　　　　利用\\(Av_i = \\sigma_i u_i, i=1,2\\)求奇异值：

\\[ ?\\left( \\beginarrayccc 0& 1\\\\??1& 1\\\\ ? 1&?0 \\endarray \\right) \\left( \\beginarrayccc 1/\\sqrt2 \\1/\\sqrt2?\\endarray \\right) = \\sigma_1 \\left( \\beginarrayccc 1/\\sqrt6 \\\\?2/\\sqrt6 \\1/\\sqrt6?\\endarray \\right) \\Rightarrow ?\\sigma_1=\\sqrt3 \\]

\\[ ?\\left( \\beginarrayccc 0& 1\\\\??1& 1\\\\ ? 1&?0 \\endarray \\right) \\left( \\beginarrayccc -1/\\sqrt2 \\1/\\sqrt2?\\endarray \\right) = \\sigma_2 \\left( \\beginarrayccc 1/\\sqrt2 \\\\?0 \\-1/\\sqrt2?\\endarray \\right) \\Rightarrow??\\sigma_2=1 \\]

当然，我们也可以用\\(\\sigma_i = \\sqrt\\lambda_i\\)直接求出奇异值为\\(\\sqrt3\\)和1.

?最终得到A的奇异值分解为：
\\[ A=U\\Sigma V^T = \\left( \\beginarrayccc 1/\\sqrt6 & 1/\\sqrt2 & 1/\\sqrt3?\\\\?2/\\sqrt6 & 0 & -1/\\sqrt3\\1/\\sqrt6 & -1/\\sqrt2 & 1/\\sqrt3?\\endarray \\right) \\left( \\beginarrayccc \\sqrt3 & 0 \\\\ ?0 & 1\\0 & 0?\\endarray \\right) \\left( \\beginarrayccc 1/\\sqrt2??& 1/\\sqrt2??\\-1/\\sqrt2??& 1/\\sqrt2??\\endarray \\right) \\]
　　　　　　

四、SVD的一些性质　

　　　　上面几节我们对SVD的定义和计算做了详细的描述，似乎看不出我们费这么大的力气做SVD有什么好处。那么SVD有什么重要的性质值得我们注意呢？

　　　　对于奇异值,它跟我们特征分解中的特征值类似，在奇异值矩阵中也是按照从大到小排列，而且奇异值的减少特别的快，在很多情况下，前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。也就是说，我们也可以用最大的k个的奇异值和对应的左右奇异向量来近似描述矩阵。也就是说：
\\[ A_m \\times n = U_m \\times m\\Sigma_m \\times n V^T_n \\times n \\approx U_m \\times k\\Sigma_k \\times k?V^T_k \\times n \\]

　　　　其中k要比n小很多，也就是一个大的矩阵A可以用三个小的矩阵\\(U_m \\times k,\\Sigma_k \\times k ,V^T_k \\times n\\)来表示。如下图所示，现在我们的矩阵A只需要灰色的部分的三个小矩阵就可以近似描述了。

　　　　由于这个重要的性质，SVD可以用于PCA降维，来做数据压缩和去噪。也可以用于推荐算法，将用户和喜好对应的矩阵做特征分解，进而得到隐含的用户需求来做推荐。同时也可以用于NLP中的算法，比如潜在语义索引（LSI）。下面我们就对SVD用于PCA降维做一个介绍。

五、SVD用于PCA

　　　　在主成分分析（PCA）原理总结中，我们讲到要用PCA降维，需要找到样本协方差矩阵\\(X^TX\\)的最大的d个特征向量，然后用这最大的d个特征向量张成的矩阵来做低维投影降维。可以看出，在这个过程中需要先求出协方差矩阵\\(X^TX\\)，当样本数多样本特征数也多的时候，这个计算量是很大的。

　　　　注意到我们的SVD也可以得到协方差矩阵\\(X^TX\\)最大的d个特征向量张成的矩阵，但是SVD有个好处，有一些SVD的实现算法可以不求先求出协方差矩阵\\(X^TX\\)，也能求出我们的右奇异矩阵\\(V\\)。也就是说，我们的PCA算法可以不用做特征分解，而是做SVD来完成。这个方法在样本量很大的时候很有效。实际上，scikit-learn的PCA算法的背后真正的实现就是用的SVD，而不是我们我们认为的暴力特征分解。

　　　　另一方面，注意到PCA仅仅使用了我们SVD的右奇异矩阵，没有使用左奇异矩阵，那么左奇异矩阵有什么用呢？

　　　　假设我们的样本是\\(m \\times n\\)的矩阵X，如果我们通过SVD找到了矩阵\\(XX^T\\)最大的d个特征向量张成的\\(m \\times d\\)维矩阵U，则我们如果进行如下处理：
\\[ X'_d?\\times n = U_d \\times m^TX_m \\times n \\]

　　　　可以得到一个\\(d?\\times?n\\)的矩阵X‘,这个矩阵和我们原来的\\(m \\times n\\)维样本矩阵X相比，行数从m减到了d，可见对行数进行了压缩。也就是说，左奇异矩阵可以用于行数的压缩。相对的，右奇异矩阵可以用于列数即特征维度的压缩，也就是我们的PCA降维。　　　　

六、SVD小结　

　　　　SVD作为一个很基本的算法，在很多机器学习算法中都有它的身影，特别是在现在的大数据时代，由于SVD可以实现并行化，因此更是大展身手。SVD的原理不难，只要有基本的线性代数知识就可以理解，实现也很简单因此值得仔细的研究。当然，SVD的缺点是分解出的矩阵解释性往往不强，有点黑盒子的味道，不过这不影响它的使用。

?

（欢迎转载，转载请注明出处。欢迎沟通交流： 微信：nickchen121）?

```